求解函数优化问题的自适应粒子群算法

本文提出了一种新的自适应粒子群优化算法(ASPO)。该算法利用种群多样性信息对惯性权重进行非线性的调整,并在算法的后期引入速度变异算子和位置交叉算子,使算法摆脱后期易于陷入局部最优点的束缚。将其应用于函数优化问题中,仿真结果表明APSO算法能有效的解决函数优化问题。     

一种动态惯性权重的粒子群优化算法

自粒子群优化算法被提出以来,由于其收敛速度快、易实现,得到了快速发展和广泛应用.在此提出了一种改进型的粒子群优化算法,主要特点是随进化代数的增加而动态非线性减小惯性权重,以此改善演化后期收敛速度迅速降低的问题.为了评价其性能,选取了5个基准函数进行测试,并与惯性权重线性递减的粒子群优化算法作了比较.数字仿真表明,改进算法能极大地提高搜索性能.     

粒子群算法惯性权重的研究

粒子群算法惯性权重ω的设置其极重要,直接影响算法性能.本文利用云发生器对惯性权重进行调整,对其取值范嗣做了进一步的研究,并应用于粒子群算法的改进.以高维函数优化为实例,实验仿真结果表明,新算法的全局搜索能力、收敛速度,精度和稳定性均有了显著提高.     

一种改进的粒子群算法

粒子群算法是一种新型的智能优化技术,该算法程序实现简单,可调整的参数少。本文针对粒子群优化算法易早熟收敛陷入局部极值的事实,对粒子群优化算法的惯性权重进行适当改进,数值仿真结果说明该算法是非常有效的。     

基于惯性权重指数递减的粒子群优化算法求解绝对值方程

利用惯性权重指数递减的粒子群优化算法求解一类不可微的NP难的绝对值方程问题. 该算法通过调整惯性权重的动态变化能有效克服基本粒子群算法在后期局部搜索能力差、 易陷入局部最优解的缺点. 数值试验表明, 在求解具有唯一解或多个解的绝对值方程时, 该算法精度高, 迭代次数少.     

噪声环境下函数优化问题的混合优化算法

针对噪声环境下的函数优化问题提出一种混合粒子群优化算法UPSOOHT, 并考察了最优计算量分配（OCBA）和噪声幅度对算法性能的影响. 该算法将粒子群优化算法与假设检验及OCBA有效地结合, 具有很好的全局搜索能力和局部精化能力. 与其他优化算法比较的测试结果表明, UPSOOHT算法的性能和抗噪声能力都具有明显的优势.     

粒子群优化算法

论述粒子群优化算法(PSO)的基本原理、特点、实现步骤,以及PSO的各种改进技术,包括基于PSO参数的改进技术(主要是惯性权重)、基于遗传算法进化机理的改进技术(受遗传算法启发提出的带交叉算子的PSO、带变异算子的PSO、带选择算子的PSO),以及其他算法融合的改进技术(模拟退火PSO、免疫PSO、混沌PSO),并总结PSO热点研究问题.     

多惯性权重的自适应粒子群优化算法

惯性权重是粒子群优化算法重要参数之一,它能够平衡算法的全局搜索能力和局部搜索能力.为了利用已知惯性权重解决某些问题的优点,提出一种多惯性权重的自适应粒子群优化算法.首先定义了K步进化度的概念,然后基于进化度,从惯性权重集中随机选择惯性权重,使得适合解决某一问题的惯性权重在迭代过程中能够多次被使用,从而提高算法性能,把该...     

简化的自适应粒子群优化算法

对基本粒子群优化算法作了一些改进:通过去掉速度因子简化算法结构,引入指数下降形式的惯性权重,对全局极值进行自适应的变异操作,进而提出一种简化的带变异算子的自适应粒子群优化算法。通过与其他改进的粒子群算法的数值实验对比分析,表明提出的新算法能够有效地避免早熟收敛问题,并能较大幅度地提高收敛速度和收敛精度。     

粒子群优化算法在可供选择城市规划方案中的应用

运用改进的粒子群优化算法帮助规划者完成了城市用地规划方案.在算法中,增加了对惯性权重的选择,适应度的选取应用了各类用地单元的空间协调性,采用从左到右、从上到下顺序,依次计算每个用地单元的空间协调性的方法.由于用地单元之间的位置是离散的,所以算法中粒子速度采用了离散的粒子速度.利用此改进算法,在实验中能够快速地收敛到可行的规划方案,实验结果表明该算法是有效的.     

热传导问题的通用格林函数及格林函数解

给出了对于各类线性热传导问题均适用的格林函数及格林函数解,从而为导热问题的求解提供了一种系统便捷的方法,也为其它数理问题的求解提供了一种借鉴     

全局优化方法在最优控制中的应用

利用球约束下的全局优化的Canonical对偶方法得到了一类最优控制问题的离散解.首先经过一系列数学处理得到与原问题相应的球约束下的全局优化问题,然后利用Canonical正则空间上的微分系统方法寻找全局最优解.最后应用该方法求解两个例子.     

向量优化问题近似解的最优性条件

研究了由Kutateladze定义的向量优化问题的近似解,讨论了这类解的一些性质,用标量化方法得到了它们的充分和必要条件.     

求解非线性优化问题的Filter方法

序列二次规划是目前求解非线性规划约束问题的最有效的方法,但一般都采用罚函数法进行线性搜索,这使得它有很大的局限性,为了克服罚函数法存在的缺点,R.Fletcher和S.Leyff提出了一种filter方法取代了罚函数法,使迭代点能够保证目标函数或约束函数充分下降,理论分析和数值实验均表明,该方法优于传统的SQP算法。     

模糊专家系统中约束最优化问题求解

介绍了简化模糊推理方法,在此基础上提出了求解模糊专家系统中约束最优化问题的一般方法,通过对模糊约束最优化问题的实例研究,讨论了该方法求解不同问题的适应性。这为建造模糊专家系统提供了一个十分有用的工具。     

连续无约束优化问题的一个新填充函数

关于连续无约束全局优化的问题,构造了一种新填充函数的形式,证明了该形式是满足所定义的填充函数的有关性质,根据该函数形式设计了相应填充函数算法。数值试验表明此算法是可行和有效的。     

利用粒子滤波原理求解函数优化问题

针对多维函数优化容易陷入局部极小值问题,提出一种基于粒子滤波原理的优化算法.首先简要地介绍粒子滤波算法的基本原理;再针对函数优化问题,阐述利用粒子滤波实现优化算法的基本思想,并介绍了其具体的实现步骤,同时为了丰富粒子的多样性,引入了遗传算法的交叉和变异操作;最后为了验证新算法的有效性,采用30维的Benchmark函数进行仿真实验.仿真实验结果表明:基于粒子滤波的优化算法在解决多维函数优化问题方面较其他优化算法具有更强的全局搜索能力和求解精度,这也为优化算法的研究提供一种新的途径和手段.     

向量优化问题恰当有效解的几个性质

通过讨论一类向量优化问题建立有效解、恰当有效解之间的关系,给出目标函数在一定条件下解的存在条件;对一类具备参数的和函数的优化问题给出恰当有效解的若干性质,推广了已有文献的某些结果.